Autor Stilo, Giovanni
|
|
Documentos disponibles escritos por este autor (2)
Hacer una sugerencia Refinar búsquedaAdvances in Bias and Fairness in Information Retrieval / Boratto, Ludovico ; Faralli, Stefano ; Marras, Mirko ; Stilo, Giovanni
Título : Advances in Bias and Fairness in Information Retrieval : Second International Workshop on Algorithmic Bias in Search and Recommendation, BIAS 2021, Lucca, Italy, April 1, 2021, Proceedings Tipo de documento: documento electrónico Autores: Boratto, Ludovico, ; Faralli, Stefano, ; Marras, Mirko, ; Stilo, Giovanni, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: X, 171 p. 40 ilustraciones, 34 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-78818-6 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Gestión de base de datos Sistema de administración de base de datos Índice Dewey: 005.7 Datos en sistemas de computadoras Resumen: Este libro constituye una acta arbitrada del Segundo Taller Internacional sobre Sesgo Algorítmico en Búsqueda y Recomendación, BIAS 2021, celebrado en abril de 2021. Debido a la pandemia de COVID-19, BIAS 2021 se llevó a cabo de forma virtual. Los 11 artículos completos y 3 artículos breves fueron cuidadosamente revisados y seleccionados entre 37 presentaciones. Los artículos cubren temas que van desde la búsqueda y recomendación en citas en línea, educación y redes sociales, pasando por el impacto del sesgo de género en la incorporación de palabras, hasta herramientas que permiten explorar el sesgo y la equidad en la Web. . Nota de contenido: Towards Fairness-Aware Ranking by Defining Latent Groups Using Inferred Features -- Media Bias Everywhere? A Vision for Dealing with the Manipulation of Public Opinion -- Users' Perception of Search-Engine Biases and Satisfaction -- Preliminary Experiments to Examine the Stability of Bias-Aware Techniques -- Detecting Race and Gender Bias in Visual Representation of AI on Web Search Engines -- Equality of Opportunity in Ranking: A Fair-Distributive Model -- Incentives for Item Duplication under Fair Ranking Policies -- Quantification of the Impact of Popularity Bias in Multi-Stakeholder and Time-Aware Environment -- When is a Recommendation Model Wrong? A Model-Agnostic Tree-Based Approach to Detecting Biases in Recommendations -- Evaluating Video Recommendation Bias on YouTube -- An Information-Theoretic Measure for Enabling Category Exemptions with an Application to Filter Bubbles -- Perception-Aware Bias Detection for Query Suggestions -- Crucial Challenges in Large-Scale Black Box Analyses -- New Performance Metrics for Offline Content-based TV Recommender Systems. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Advances in Bias and Fairness in Information Retrieval : Second International Workshop on Algorithmic Bias in Search and Recommendation, BIAS 2021, Lucca, Italy, April 1, 2021, Proceedings [documento electrónico] / Boratto, Ludovico, ; Faralli, Stefano, ; Marras, Mirko, ; Stilo, Giovanni, . - 1 ed. . - [s.l.] : Springer, 2021 . - X, 171 p. 40 ilustraciones, 34 ilustraciones en color.
ISBN : 978-3-030-78818-6
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Gestión de base de datos Sistema de administración de base de datos Índice Dewey: 005.7 Datos en sistemas de computadoras Resumen: Este libro constituye una acta arbitrada del Segundo Taller Internacional sobre Sesgo Algorítmico en Búsqueda y Recomendación, BIAS 2021, celebrado en abril de 2021. Debido a la pandemia de COVID-19, BIAS 2021 se llevó a cabo de forma virtual. Los 11 artículos completos y 3 artículos breves fueron cuidadosamente revisados y seleccionados entre 37 presentaciones. Los artículos cubren temas que van desde la búsqueda y recomendación en citas en línea, educación y redes sociales, pasando por el impacto del sesgo de género en la incorporación de palabras, hasta herramientas que permiten explorar el sesgo y la equidad en la Web. . Nota de contenido: Towards Fairness-Aware Ranking by Defining Latent Groups Using Inferred Features -- Media Bias Everywhere? A Vision for Dealing with the Manipulation of Public Opinion -- Users' Perception of Search-Engine Biases and Satisfaction -- Preliminary Experiments to Examine the Stability of Bias-Aware Techniques -- Detecting Race and Gender Bias in Visual Representation of AI on Web Search Engines -- Equality of Opportunity in Ranking: A Fair-Distributive Model -- Incentives for Item Duplication under Fair Ranking Policies -- Quantification of the Impact of Popularity Bias in Multi-Stakeholder and Time-Aware Environment -- When is a Recommendation Model Wrong? A Model-Agnostic Tree-Based Approach to Detecting Biases in Recommendations -- Evaluating Video Recommendation Bias on YouTube -- An Information-Theoretic Measure for Enabling Category Exemptions with an Application to Filter Bubbles -- Perception-Aware Bias Detection for Query Suggestions -- Crucial Challenges in Large-Scale Black Box Analyses -- New Performance Metrics for Offline Content-based TV Recommender Systems. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
Título : Bias and Social Aspects in Search and Recommendation : First International Workshop, BIAS 2020, Lisbon, Portugal, April 14, Proceedings Tipo de documento: documento electrónico Autores: Boratto, Ludovico, ; Faralli, Stefano, ; Marras, Mirko, ; Stilo, Giovanni, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2020 Número de páginas: X, 205 p. 59 ilustraciones, 46 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-52485-2 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: Gestión de base de datos Inteligencia artificial Ingeniería Informática Red de computadoras Ciencias sociales Comercio electrónico Sistema de administración de base de datos Ingeniería Informática y Redes Aplicación informática en ciencias sociales y del comportamiento comercio electrónico y negocios electrónicos Índice Dewey: 005.7 Datos en sistemas de computadoras Resumen: Este libro constituye una acta arbitrada del Primer Taller Internacional sobre Sesgo Algorítmico en Búsqueda y Recomendación, BIAS 2020, celebrado en abril de 2020. Debido a la pandemia de COVID-19, BIAS 2020 se llevó a cabo de forma virtual. Los 10 artículos completos y los 7 artículos breves fueron cuidadosamente revisados y seleccionados entre 44 presentaciones. Los artículos cubren temas que van desde búsqueda y recomendación en citas en línea, educación y redes sociales, pasando por el impacto del sesgo de género en la incorporación de palabras, hasta herramientas que permiten explorar el sesgo y la equidad en la Web. . Nota de contenido: Facets of Fairness in Search and Recommendation -- Mitigating Gender Bias in Machine Learning Data Sets -- Why Do We Need To Be Bots? What Prevents Society From Detecting Biases in Recommendation Systems -- Effect of Debiasing on Information Retrieval -- Matchmaking Under Fairness Constraints: a Speed Dating Case Study -- Recommendation Filtering à la Carte for Intelligent Tutoring Systems -- Bias Goggles - Exploring the bias of Web Domains through the Eyes of the Users -- Data Pipelines for Personalized Exploration of Rated Datasets -- Beyond Accuracy in Link Prediction -- A Novel Similarity Measure for Group Recommender Systems with Optimal Time Complexity -- What Kind of Content are you Prone to Tweet? Multi-topic Preference Model for Tweeters -- Venue Suggestion Using Social-Centric Scores -- The Impact of Foursquare Checkins on Users' Emotions on Twitter -- Improving News Personalization through Search Logs -- Analyzing the Interaction of Users with News Articles to Create Personalization Services -- Using String-Comparison measures to Improve and Evaluate Collaborative Filtering Recommender Systems -- Enriching Product Catalogs with User Opinions. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Bias and Social Aspects in Search and Recommendation : First International Workshop, BIAS 2020, Lisbon, Portugal, April 14, Proceedings [documento electrónico] / Boratto, Ludovico, ; Faralli, Stefano, ; Marras, Mirko, ; Stilo, Giovanni, . - 1 ed. . - [s.l.] : Springer, 2020 . - X, 205 p. 59 ilustraciones, 46 ilustraciones en color.
ISBN : 978-3-030-52485-2
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
Palabras clave: Gestión de base de datos Inteligencia artificial Ingeniería Informática Red de computadoras Ciencias sociales Comercio electrónico Sistema de administración de base de datos Ingeniería Informática y Redes Aplicación informática en ciencias sociales y del comportamiento comercio electrónico y negocios electrónicos Índice Dewey: 005.7 Datos en sistemas de computadoras Resumen: Este libro constituye una acta arbitrada del Primer Taller Internacional sobre Sesgo Algorítmico en Búsqueda y Recomendación, BIAS 2020, celebrado en abril de 2020. Debido a la pandemia de COVID-19, BIAS 2020 se llevó a cabo de forma virtual. Los 10 artículos completos y los 7 artículos breves fueron cuidadosamente revisados y seleccionados entre 44 presentaciones. Los artículos cubren temas que van desde búsqueda y recomendación en citas en línea, educación y redes sociales, pasando por el impacto del sesgo de género en la incorporación de palabras, hasta herramientas que permiten explorar el sesgo y la equidad en la Web. . Nota de contenido: Facets of Fairness in Search and Recommendation -- Mitigating Gender Bias in Machine Learning Data Sets -- Why Do We Need To Be Bots? What Prevents Society From Detecting Biases in Recommendation Systems -- Effect of Debiasing on Information Retrieval -- Matchmaking Under Fairness Constraints: a Speed Dating Case Study -- Recommendation Filtering à la Carte for Intelligent Tutoring Systems -- Bias Goggles - Exploring the bias of Web Domains through the Eyes of the Users -- Data Pipelines for Personalized Exploration of Rated Datasets -- Beyond Accuracy in Link Prediction -- A Novel Similarity Measure for Group Recommender Systems with Optimal Time Complexity -- What Kind of Content are you Prone to Tweet? Multi-topic Preference Model for Tweeters -- Venue Suggestion Using Social-Centric Scores -- The Impact of Foursquare Checkins on Users' Emotions on Twitter -- Improving News Personalization through Search Logs -- Analyzing the Interaction of Users with News Articles to Create Personalization Services -- Using String-Comparison measures to Improve and Evaluate Collaborative Filtering Recommender Systems -- Enriching Product Catalogs with User Opinions. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i
